第一章-CAP

一、概述

         一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项.

• 一致性（Consistency）:所有节点在同一时间的数据完全一致。
• 可用性（Availability）:服务在正常时间内一直可用。
• 分区容错性（Partition tolerance）:系统在遇到某节点或者网络分区故障的时候,仍然能够对外满足可用性或一致性的服务。

二、分区容错性（Partition tolerance）是必须的

        分区容错性（Partition tolerance）分区容错性（Partition tolerance）：即分布式系统在遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务。

        多数分布式系统都分布在多个子网络。每个子网络就叫做一个区（partition）。分区容错的意思是，区间通信可能失败。比如，一台服务器放在本地，另一台服务器放在外地（可能是外省，甚至是外国），这就是两个区，它们之间可能无法通信，但是并不影响服务整体可用。

        分布式系统中，分区容错性是必须百分比满足的，所以CAP理论要么是CP、要么是AP（AC: 一般都是单体架构项目）。

        通俗的来讲，分布式系统中的CAP理论，所强调的是客户端发出请求之后，服务端先去保证一致性还是先返回。在这里值得注意的是，CP并不是不需要满足可用性，同样AP也不是不需要满足一致性，只不过侧重点不同。

三、案例讲解

AP架构中，侧重点服务的可用性，关注的重点在于客户端请求是否能够及时返回，典型代表有redis

CP架构中，侧重点数据的一致性，关注的重点在于节点直接的数据同步，典型代表有zookeeper 

值得注意的是：

1. step3数据返回必须等待step2数据同步完成。
2. step2数据同步是一个典型的多数派结构，即[n/2]+1个节点完成了数据的同步就可以执行返回  

四、保证一致性的方案 

       AP模式中虽然不关注一致性问题，但不代表我们的分布式系统不需要保证一致性，CP模式需要先关注数据同步，所以也会关注一致性问题。那么在分布式环境中，同样也必须保证数据的一致性。    

      分布式一致性的解决方案：state machine repalication（状态机复制）。通俗的来讲就是每个操作都是一条日志，其他节点同步到这些日志执行来实现集群的一致性。